Python中random.randint与random.randrange的核心区别解析

纸上星河
纸上星河
发布时间:2026-10-14| 2人浏览过
原创

本文深入解析Python中random模块的两个常用方法:randint和randrange。重点阐述两者在区间闭合性(闭区间vs左闭右开)以及是否支持步长设定上的核心差异,并通过具体代码示例展示其不同行为与适用场景,帮助开发者准确选择随机数生成方式。

引言:random库中的两个随机数方法

在Python中,引入random库后,开发者可以使用randint和randrange这两个方法来生成随机整数。那么,这两种方法的具体区别究竟在哪里?接下来我们将进行详细探讨。

randint与randrange的核心区别

主要区别概述

randint生成的随机数区间是包含左右边界的闭区间[1, n],这意味着它可以取到起始值1和结束值n。相比之下,randrange生成的随机数区间是左闭右开的[1, n),即可以取到1,但无法取到n。此外,randint生成的随机数仅位于指定区间内,而randrange允许设定步长(间隔),从而控制生成数值的分布密度。

区别一:区间边界处理对比

区别一:区间边界处理示例

randint使用示例


import random
while True:
 rdt = random.randint(1, 3)
 print(rdt, end="")
 if rdt == 3:
  break

运行结果:程序生成随机数3后停止循环。

C:\Users\ASUS\AppData\Local\Programs\Python\Python37\python.exe F:/python/test.py 1121213 Process finished with exit code 0

randrange使用示例


import random
while True:
 rdt = random.randrange(1, 3)
 print(rdt, end="")
 if rdt == 3:
  break

运行结果:由于randrange区间为左闭右开,永远无法取到上界值3,导致无限循环。

区别二:步长设定功能对比

区别二:步长设定功能示例

randint尝试设定步长示例


import random
for i in range(1, 10):
 print(random.randint(1, 100, 10), end=" ")

运行结果:randint不支持步长参数,调用时会抛出如下错误!


randrange设定步长示例


import random
for i in range(1, 10):
 print(random.randrange(1, 100, 10), end=" ")

运行结果:设定步长为10,生成的随机数均为10的整数倍,间隔固定为10。

C:\Users\ASUS\AppData\Local\Programs\Python\Python37\python.exe F:/python/test.py 31 31 71 21 21 31 41 71 31 Process finished with exit code 0

以上就是关于Python中random.randint和random.randrange区别的详细解析,更多相关Python random.randint random.randrange内容请搜索本站以前的文章或继续浏览下面的相关文章希望大家以后多多支持本站!

免责声明:本文内容仅供参考,不代表本站观点。转载或引用请注明出处。

Python 相关产品和应用

全部下载
Selenium

Selenium

4.51.0 · Windows

用于浏览器自动化和 Web 测试的 Python 工具。

scikit-learn

scikit-learn

1.9.1 · Windows

常用 Python 机器学习算法与模型评估工具库。

Black

Black

26.10.1 · Windows

强调一致性的 Python 自动代码格式化工具。

Ruff

Ruff

0.17.1 · macOS

由 Rust 编写的高速 Python 代码检查和格式化工具。

pytest

pytest

9.1.1 · Windows

简洁而强大的 Python 自动化测试框架。

FastAPI

FastAPI

0.146.0 · Windows

高性能 Python API 框架,支持类型提示和自动接口文档。

Flask

Flask

3.1.3 · Windows

轻量灵活的 Python Web 应用框架。

Django

Django

6.1.2 · Windows

成熟的 Python Web 框架,适合构建内容站点和业务系统。

Spyder

Spyder

6.1.7 · Windows

面向科学计算与数据分析的 Python 集成开发环境。

SciPy

SciPy

1.18.1 · Windows

面向科学、工程和技术计算的 Python 算法库。